2026 빅데이터분석기사 필기 모의고사 2회 | 80문항 — 정답·해설

정답 ③

분석 대상과 방법을 아는지에 따라 최적화·솔루션·통찰·발견으로 구분합니다. 대상·방법을 모두 알면 최적화, 대상은 알지만 방법을 모르면 솔루션, 대상을 모르고 방법을 알면 통찰, 둘 다 모르면 발견으로 정리합니다. 문제 지문에서 알고리즘이 주어졌는지보다 업무상 분석 대상과 접근 방법이 확정되었는지를 읽으세요. 유형 분류는 프로젝트 성숙도에 대한 우열 판단이 아니라 현재 과제를 이해하는 틀입니다.

정답 ①

분석 대상은 알고 방법을 모르므로 솔루션 유형입니다.

정답 ④

업무 이해→데이터 이해→데이터 준비→모델링→평가→전개가 CRISP-DM의 대표 흐름입니다. 평가에서 성능만이 아니라 업무 목표를 만족하는지 확인하고, 전개 단계에서 운영 적용과 모니터링을 계획합니다. 단계는 일방향으로 한 번만 지나가는 것이 아닙니다. 자료를 살펴본 뒤 목표를 조정하거나 모델 평가 후 데이터 준비로 돌아갈 수 있습니다. 반복성과 단계 간 피드백을 기억하세요.

정답 ①

기술 성능뿐 아니라 업무 성공 기준을 충족하는지 평가해야 합니다.

정답 ④

KDD는 선택·전처리·변환·데이터 마이닝·해석 및 평가의 흐름으로 설명합니다. 데이터 마이닝은 전체 지식 발견 과정의 한 단계이지 전처리와 해석을 모두 생략하는 기술이 아닙니다. 누락·이상·자료형을 점검하는 전처리와 분석에 맞는 변수·구조를 만드는 변환을 구분합니다. 실제 활동이 겹칠 수 있어도 단계가 해결하려는 목적을 읽으면 순서 문제에 대응할 수 있습니다.

정답 ②

결측과 노이즈 정리는 분석 전 자료의 품질을 개선하는 전처리에 해당합니다.

정답 ③

하향식은 업무 문제를 정의하고 해결할 분석 과제를 구체화합니다. 상향식은 데이터의 패턴과 가능성에서 새로운 문제나 가치를 발굴합니다. 실제로는 두 접근을 반복하며 가설을 다듬을 수 있습니다. 하향식이 항상 정답을 미리 안다는 뜻은 아닙니다. 상향식도 업무 의미와 검증 없이 패턴을 확정하는 방식이 아닙니다. 문제 정의의 출발점과 가설 생성·검증의 연결을 구분하세요.

정답 ①

데이터에서 발견한 패턴이 과제 발굴의 출발점이므로 상향식입니다.

정답 ②

업무 KPI·데이터·일정·자원·적용 조건을 기획 단계에서 구체화합니다. 정확도 95%처럼 모델 지표만 두면 업무 목적이 흐려질 수 있습니다. 이탈 고객 중 개입 가능한 고객의 유지율과 순이익 등 행동 결과를 연결하세요. 데이터를 사용할 수 있는 시점도 중요합니다. 예측 시점 이후에 생기는 정보를 입력하면 운영에서 재현할 수 없는 누수가 발생합니다. 기획에서 예측 시점과 목표 기간을 함께 적습니다.

정답 ①

실제 예측 시점에는 알 수 없는 결과 이후 정보이므로 성능이 부풀려집니다.

정답 ①

정량 데이터는 수량이나 측정값으로 표현되고 정성 데이터는 범주·의견·서술과 관련됩니다. 정형·반정형·비정형은 저장 구조의 관점이므로 서로 다른 분류 축입니다. JSON은 키와 계층 구조가 있는 반정형 자료이며 그 안에 숫자와 문자열이 함께 들어갈 수 있습니다. 숫자로 저장되었다고 모두 양적 크기를 뜻하지 않습니다. 우편번호·등급 코드는 범주를 표시할 수 있으므로 평균을 계산하기 전에 측정 척도를 확인합니다.

정답 ④

숫자 모양의 범주 코드에 산술적 크기를 부여하면 잘못된 해석이 됩니다.

정답 ③

데이터→정보→지식→지혜는 관찰값에 맥락을 부여하고 관계·판단으로 확장하는 흐름입니다. 오늘 판매 10건은 데이터, 전주 대비 20% 증가라는 맥락은 정보, 특정 행사 후 전환율이 오른다는 반복 패턴은 지식으로 연결할 수 있습니다. 단계를 기계적으로 암기하기보다 사실·맥락·일반화·의사결정의 차이를 보세요. 상관 패턴을 얻었다고 곧바로 인과가 확정된 것은 아니며, 최종 행동은 비용과 위험을 함께 고려해야 합니다.

정답 ④

(100-80)/80=25%로 비교 기준을 더해 숫자의 의미를 설명했습니다.

정답 ①

데이터베이스는 여러 사용자가 공유하고 통합된 데이터를 지속적으로 관리하는 기반입니다. 통합성·공유성·저장성·운영성을 업무 사례와 연결하세요. 통합은 중복을 전혀 허용하지 않는다는 절대 명제가 아니라 불필요한 중복과 불일치를 줄이는 방향입니다. 데이터 독립성·무결성·보안·동시성 제어는 DBMS가 제공하는 중요한 관리 기능입니다. 파일을 하나에 모았다고 자동으로 권한과 무결성까지 확보되는 것은 아닙니다.

정답 ④

동시 변경이 충돌하거나 갱신을 잃지 않도록 트랜잭션과 동시성 제어가 필요합니다.

정답 ③

OLTP는 주문 등록·계좌 이체처럼 개별 거래의 정확하고 빠른 처리를 중시합니다. OLAP은 기간·지역·상품 등 여러 관점의 집계와 탐색을 지원합니다. 분석용 질의를 운영 거래 DB에 무제한 실행하면 서비스 처리에 부담을 줄 수 있습니다. 데이터웨어하우스나 데이터마트는 분석 목적에 맞게 이력을 통합·구성합니다. OLAP과 OLTP는 목적의 차이이며 어느 쪽이 무조건 우수한 기술인지 비교하는 문제가 아닙니다.

정답 ②

여러 차원과 기간을 집계·탐색하는 분석 업무입니다.

정답 ③

데이터웨어하우스는 조직의 분석 자료를 통합하고 이력을 관리하는 저장 기반입니다. 데이터마트는 특정 부서·주제의 분석 요구에 맞춘 범위를 뜻합니다. 원본의 거래 시각과 적재 시각이 다르면 최신성 차이를 설명해야 합니다. 지표를 만들기 전 매출이 주문 시점인지 결제 완료 시점인지 정의합니다. 같은 컬럼명을 썼더라도 기간·취소·환불 처리 기준이 다르면 부서별 수치가 달라집니다.

정답 ①

특정 업무 영역의 분석 요구에 맞춘 데이터 구조이므로 데이터마트에 해당합니다.

정답 ①

P(A|B)=P(A∩B)/P(B)이며 P(B)>0을 전제로 합니다. 독립이면 P(A∩B)=P(A)P(B)입니다. 서로 동시에 일어나지 않는 배반과 독립은 다릅니다. 두 사건 확률이 양수이고 배반이면 일반적으로 독립이 아닙니다. 조건이 붙으면 표본공간의 분모가 달라집니다. 전체 100명 중 B가 20명이고 그중 A가 5명이면 P(A|B)=5/20이지 5/100이 아닙니다.

정답 ①

B인 20명 가운데 A도 만족하는 5명을 세므로 5/20=0.25입니다.

정답 ①

P(A|B)=P(B|A)P(A)/P(B)는 증거를 관찰한 뒤 사전확률을 갱신하는 식입니다. 진단 검사에서 민감도가 높아도 질병 유병률이 낮으면 양성자의 실제 질병 확률은 낮을 수 있습니다. P(양성|질병)과 P(질병|양성)은 반대 방향의 조건부확률입니다. 혼동하기 쉬우므로 10,000명 같은 자연 빈도 표로 바꿔 진짜 양성과 거짓 양성을 세어 보세요.

정답 ①

진짜 양성 9명과 거짓 양성 99명이므로 9/(9+99)=약 8.33%입니다.

정답 ②

이항분포는 독립적인 고정 n회 시행에서 동일 성공 확률 p의 성공 횟수를 다룹니다. 평균np,분산np(1-p)입니다. 포아송분포는 일정 구간 사건 수의 모델로 평균과 분산이 λ라는 특징이 있습니다. 시험에서 시행 독립·성공확률 일정 같은 전제를 먼저 확인합니다. 판매 건수라고 무조건 포아송인 것은 아니며 시간에 따라 발생률이 변하면 모델 적합성을 검토해야 합니다.

정답 ①

평균 100×0.2=20,분산 100×0.2×0.8=16입니다.

정답 ③

정규분포는 평균을 중심으로 대칭이며 평균과 분산으로 위치·흩어짐을 정합니다. Z=(X-μ)/σ로 표준화하면 표준정규분포를 사용합니다. 일반 자료를 z점수로 바꾸는 것만으로 원래 비정규 분포가 정규분포가 되는 것은 아닙니다. 정규분포 가정 아래 평균±약 1.96표준편차 범위가 약 95%를 포함한다는 해석과, 모평균 추정의 표준오차 범위를 구분하세요. 관측값의 흩어짐 σ와 평균 추정의 σ/√n은 다릅니다.

정답 ②

(130-100)/15=2입니다.

정답 ①

독립·동일분포와 유한 분산 등 적절한 조건에서 표본 크기가 커지면 표본평균의 분포가 정규분포에 가까워집니다. 원자료 자체가 정규분포로 바뀐다는 뜻은 아닙니다. 표본평균 표준오차는 σ/√n입니다. n을 4배로 늘리면 표준오차는 절반이 됩니다. 표본 수가 크다는 사실이 수집 편향을 없애지는 않으며, 강한 의존성이나 매우 무거운 꼬리에서는 단순 적용에 주의합니다.

정답 ③

20/√100=20/10=2입니다.

정답 ②

빈도주의 95% 신뢰구간은 같은 절차를 반복했을 때 만들어진 구간 중 약 95%가 고정된 모수를 포함한다는 뜻입니다. 관측값 95%가 그 구간에 들어간다는 말과 다릅니다. 평균 신뢰구간의 폭은 표준오차·신뢰수준에 영향을 받습니다. 신뢰수준을 높이면 같은 자료에서 구간이 넓어집니다. 표본 크기를 키우면 다른 조건이 같을 때 구간이 좁아집니다. 모표준편차를 모르면 t분포 등 적절한 절차를 사용합니다.

정답 ①

표준오차 2에 1.96을 곱한 3.92를 평균 100의 양쪽에 더하고 뺍니다.

정답 ②

p값은 귀무가설과 모형 가정 아래 관측 결과 이상으로 극단적인 결과가 나올 확률입니다. 귀무가설이 참일 확률이 아닙니다. 보통 p≤α이면 귀무가설을 기각하지만 기각하지 못했다고 귀무가설이 증명된 것은 아닙니다. 작은 효과도 표본이 크면 유의할 수 있으므로 효과 크기와 구간을 함께 봅니다. 분석을 반복한 뒤 유리한 검정만 선택하면 명목 유의수준의 해석이 무너질 수 있습니다.

정답 ④

p가유의수준보다 작으므로 귀무가설을 기각합니다. 가설의 사후확률로 해석하지 않습니다.

정답 ③

1종 오류는 참인 귀무가설을 기각하는 오류이고 2종 오류는 거짓인 귀무가설을 기각하지 못하는 오류입니다. 검정력은 1-β입니다. 표본 수·효과 크기·유의수준 등이 검정력에 영향을 줍니다. 다른 조건이 같을 때 유의수준을 엄격하게 낮추면 1종 오류를 줄일 수 있지만 검정력이 낮아질 수 있습니다. 오류의 비용이 큰 문제에서는 검정 설계 단계에서 목표와 표본 수를 정해야 합니다.

정답 ①

검정력=1-β=0.8입니다.

정답 ④

독립 두 집단 평균 비교는 독립표본 t검정, 같은 대상 전후 비교는 대응표본 t검정을 검토합니다. 세 집단 이상 평균 비교에는 ANOVA를 사용할 수 있습니다. 등분산 여부·정규성·독립성 등의 조건과 Welch 절차를 구분합니다. ANOVA가 유의하다고 모든 집단 쌍이 다르다는 뜻은 아닙니다. 어느 집단이 다른지 필요하면 적절한 사후 비교와 다중검정 보정을 합니다.

정답 ④

동일 대상의 전후 측정은 짝이 있으므로 차이 값의 평균을 검정하는 대응 방법을 고려합니다.

정답 ④

카이제곱 독립성 검정은 범주형 교차표의 연관을 살핍니다. 기대도수가 너무 작은 셀이 많으면 근사 조건을 점검하고 대안을 검토합니다. 비모수 검정은 분포 가정을 완화할 수 있지만 아무 가정도 없다는 뜻은 아닙니다. 검정 선택은 변수 종류·독립성·짝 여부·분포를 함께 보고 결정합니다. 카이제곱 검정은 두 집단 평균을 비교하는 t검정의 이름만 바꾼 것이 아닙니다.

정답 ④

두 범주형 변수의 관측 빈도와 독립 가정하 기대 빈도를 비교합니다.

정답 ①

로지스틱 회귀는 선형 예측자를 로지스틱 함수에 연결해 확률을 모델링합니다. logit(p)=log(p/(1-p))이고 계수β의 지수 exp(β)는 다른 변수 고정 시 오즈비로 해석합니다. 확률비와 오즈비는 다릅니다. 확률을 0.5로 자르는 것은 선택 가능한 정책이지 모형의 필수 조건은 아닙니다. 오탐·미탐 비용과 클래스 비율에 따라 임계값을 검증 자료에서 정합니다.

정답 ④

오즈=p/(1-p)=0.8/0.2=4입니다.

정답 ③

나무는 분할 조건을 반복하여 영역을 나누고 예측합니다. 분류에서는 지니 불순도·엔트로피 같은 기준을 사용할 수 있습니다. 깊이가 커지면 학습 자료를 잘 맞추지만 과적합 위험이 늘 수 있어 가지치기·깊이 제한 등을 검토합니다. 나무는 규칙을 설명하기 쉬운 편이지만 데이터의 작은 변화에 구조가 바뀔 수 있습니다. 개별 나무와 여러 나무를 결합한 앙상블의 특성을 구분하세요.

정답 ④

1-(0.5²+0.5²)=0.5입니다.

정답 ③

KNN은 가까운 이웃의 목표를 사용해 예측합니다. k가 너무 작으면 잡음에 민감하고 크면 국소 패턴을 놓칠 수 있습니다. 거리와 변수 스케일, 범주 인코딩, 차원의 저주를 고려해야 합니다. 학습 단계가 간단해도 예측 시 거리 계산 비용이 클 수 있습니다. 최적 k는 검증으로 정하며 시험자료를 반복해서 보며 고르지 않습니다.

정답 ③

세 이웃 중 A가 두 명으로 다수이므로 A를 예측합니다.

정답 ①

배깅은 부트스트랩 자료에 여러 모형을 적합해 결합합니다. 랜덤포레스트는 나무의 각 분할에서 일부 변수 후보를 무작위로 선택하여 나무 간 상관을 줄이는 전략을 더합니다. 주로 분산 감소와 안정성 개선을 기대합니다. 나무 수를 늘리는 것만으로 모든 편향·누수가 해결되지는 않습니다. 변수 중요도는 정의와 편향을 확인하고, 중요도가 높다고 원인이라고 단정하지 않습니다.

정답 ③

재표집한 자료에 적합한 여러 모형을 결합하는 배깅의 기본 방식입니다.

정답 ①

부스팅은 모형을 순차적으로 추가하며 이전의 오류나 손실을 개선합니다. 학습률·나무 수·깊이·정규화·조기 종료가 복잡도에 영향을 줍니다. 대표 방법마다 세부 학습 규칙은 다르므로 하나의 구현 규칙을 전부에 적용하지 않습니다. 강력한 모델도 전처리 누수와 잘못된 평가를 해결해 주지 않습니다. 같은 분할·같은 지표에서 단순 기준모형과 비교하고, 하이퍼파라미터 선택은 검증 자료로 수행합니다.

정답 ①

학습 자료에만 더 맞추면서 검증 성능이 나빠지는 과적합의 전형적 신호입니다.

정답 ②

분류는 정답 라벨이 있는 지도학습이고 군집은 유사성으로 집단을 찾는 비지도학습입니다. 군집 1·2 번호는 임의의 이름이며 숫자가 크다고 더 좋은 집단인 것은 아닙니다. 군집 결과는 변수 선택·전처리·거리·알고리즘에 따라 달라집니다. 업무에서 활용하려면 집단별 특징과 안정성, 실행 가능한 전략이 있는지 확인해야 합니다.

정답 ③

정답 범주 없이 유사성을 기준으로 묶으므로 비지도 군집입니다.

정답 ③

K-means는 각 점과 소속 중심 간 제곱거리 합을 줄이는 방식입니다. 초기 중심과 k에 영향을 받으며 구형·비슷한 크기의 군집에 적합한 경우가 많습니다. 범주형 코드에 그대로 적용하면 거리 의미가 왜곡될 수 있습니다. 이상값이 중심에 영향을 줄 수 있으므로 스케일·극단값을 검토합니다. 지역 최적점에 수렴할 수 있어 여러 초기값을 시도하는 방식도 사용합니다.

정답 ②

중심은(2+4+6)/3=4입니다.

정답 ③

계층적 군집은 덴드로그램으로 결합·분할 구조를 표현합니다. 단일 연결은 집단 간 가장 가까운 거리, 완전 연결은 가장 먼 거리, 평균 연결은 평균 거리를 기준으로 합니다. Ward 방법은 군집 내 제곱합 증가를 고려합니다. 연결법에 따라 사슬 효과나 군집 모양이 달라집니다. 덴드로그램을 자르는 높이에 따라 군집 수를 정할 수 있으나 거리와 스케일 선택도 결과에 영향을 줍니다.

정답 ①

단일 연결은최소 2,완전 연결은최대 9입니다.

정답 ③

DBSCAN은 밀도 기반으로 eps와 min_samples 등을 사용하여 핵심점·경계점·잡음점을 구분합니다. 군집 수를 미리 k로 지정하지 않고 비구형 군집을 찾을 수 있습니다. 밀도가 서로 크게 다른 자료에서는 파라미터 선택이 어려울 수 있습니다. 거리 단위가 바뀌면 eps의 의미도 바뀝니다. 잡음으로 표시되었다고 반드시 잘못된 데이터는 아니며 업무상 희귀 집단일 수도 있습니다.

정답 ④

밀도 기반 군집은 비구형 집단과 고립 잡음을 다루는 후보가 될 수 있습니다.

정답 ①

실루엣은 같은 군집 내 거리 a와 가장 가까운 다른 군집까지의 평균 거리 b로 (b-a)/max(a,b)를 계산합니다. 값이 1에 가까우면 상대적으로 잘 분리된 군집을 시사하고 음수는 다른 군집이 더 가까울 수 있음을 뜻합니다. 점수만으로 업무 가치를 결정하지 않습니다. 재표집·기간 변화에 대한 안정성과 해석 가능성도 확인합니다. 엘보 방법은 k 증가에 따른 손실 감소를 보고 후보를 찾지만 항상 뚜렷한 팔꿈치가 나오는 것은 아닙니다.

정답 ④

(5-2)/5=0.6입니다.

정답 ④

값을 위치·길이·크기·색에 연결합니다. 공통축 위치와 길이는 정확한 비교에 유리한 경우가 많습니다. 원의 면적은 반지름의 제곱에 비례합니다. 반지름과 면적을 혼동하면 차이가 과장됩니다.3D와 원근 장식을 줄이고 목적에 맞게 단순화합니다.

정답 ③

면적은 반지름의 제곱에 비례합니다.

정답 ①

범주형은 구별, 순차형은 크기, 발산형은 중심의 양방향 차이를 표현합니다.0 기준 증감에 발산형을 검토할 수 있습니다. 색만으로 구분하지 말고 라벨·패턴·선 종류도 사용합니다. 글자와 배경 대비를 확보합니다.

정답 ①

의미 있는 중심의 양방향 차이를 나타냅니다.

정답 ③

단위·축 이름·기간·범례가 있어야 값을 해석합니다. 라벨 겹침을 줄이고 필요한 상세를 선택적으로 제공합니다. 소수점 자릿수가 많다고 실제 정확도가 높아지는 것은 아닙니다. 자료와 의사결정에 맞는 정밀도를 사용합니다.

정답 ②

같은 100도 단위에 따라 규모가 다릅니다.

정답 ①

집계·시간대·결측·정렬·범주 순서를 기록합니다. 입력 정리와 시각 매핑을 나누면 다른 도구에서도 같은 결과를 재현하기 쉽습니다. 같은 차트 제목이라도 정의가 다르면 값이 다릅니다. 입력 버전과 코드를 함께 관리합니다.

정답 ④

집계 기준 차이가 수치 차이를 만들 수 있습니다.

정답 ③

작은 화면에는 스크롤·요약·대체표를 제공합니다. 대체 텍스트는 질문과 핵심 결과를 설명하고 파일명만 쓰지 않습니다. 호버만을 유일한 경로로 두지 않습니다. 터치·키보드와 색 외 단서로도 정보를 확인할 수 있어야 합니다.

정답 ④

입력 방식에 관계없는 정보 접근 경로가 필요합니다.

정답 ①

중요도·부분의존·SHAP은 예측의 기여를 설명하며 인과효과를 자동 증명하지 않습니다. 상관변수와 도구의 가정을 검토합니다. 전체 설명과 개별 예측을 나누고 대표 사례·반례를 봅니다. 설명 도구가 있어도 오류와 편향은 남을 수 있습니다.

정답 ②

결과 뒤 생성한 변수는 운영에서 쓸 수 없는 누수일 수 있습니다.

정답 ③

운영의 컬럼·자료형·단위·범주·전처리 버전이 학습과 맞아야 합니다. 학습은 만원,운영은 원이면 수치가 1만배 다릅니다. 새 범주와 결측·범위 밖 입력 정책을 정합니다. 실패를 조용히 정상 처리하지 않고 추적 가능한 기록을 남깁니다.

정답 ④

같은 금액의 표현이 1만배 달라 모형 입력이 어긋납니다.

정답 ④

데이터 드리프트는 입력 분포, 개념 드리프트는 입력과 목표 관계의 변화입니다. 입력 변화가 반드시 성능 하락을 뜻하지는 않지만 검토 신호입니다. 정답이 늦으면 입력·예측 분포를 먼저 보고 확정 성능을 나중에 연결합니다. 계절성과 표본 수를 고려합니다.

정답 ①

입력과 목표 관계가 달라진 상황입니다.

정답 ③

섀도·카나리·단계적 배포로 영향을 작은 범위에서 확인합니다. 모형·전처리·설정 버전을 함께 관리하고 복구 기준을 정합니다. 지연·실패율·성능을 함께 봅니다. 배포 성공이 업무 효과 개선과 같은 뜻은 아닙니다.

정답 ①

작은 범위에서 영향을 확인하고 확대합니다.

정답 ③

새 자료·학습창·검증·적용의 절차를 반복합니다. 날짜가 되었다고 검증 없이 교체하면 성능이 떨어질 수 있습니다. 정확도 외에 이익·안전·지연·비용을 봅니다. 운영 한도를 넘으면 적용 여부를 다시 판단합니다.

정답 ①

운영 성공은 정확도 하나로 정해지지 않습니다.